0,0010,05. Nilai t hitung 3,524 t tabel 2 hal ini berarti bahwa jika variabel brand endorser ditingkatkan maka keputusan pembelian akan
meningkat. Berdasarkan hasil dari output diatas maka rumus persamaan
regresinya adalah: Y
= Y = -4,930 + 0,472X1 + - 0,050 X2 + 0,614X3 +
℮
4.2.2 Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi berganda yang berbasis ordinary least square OLS. Suatu model
regresi yang baik harus bebas dari masalah penyimpangan terhadap asumsi klasik. Jika hasil regresi telah memenuhi asumsi-asumsi regresi maka nilai
estimasi yang diperoleh akan bersifat BLUE Best, Linier, Unbiased, Estimator BLUE
adalah asumsi yang dikembangkan oleh Gauss dan Markov, yang kemudian teori tersebut terkenal dengan sebutan Gauss Markov Theorem. Uji
asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linier berganda yang berbasis OLS. Jadi analisi yang tidak berdasarkan
OLS tidak memerlukan persyaratan asumsi klasik Situmorang dan Lufti,
2012;100.
4.2.2.1 Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan
UNIVERSITAS SUMATERA UTARA
bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau
menceng ke kanan. Dengan adanya tes normalitas maka hasil penelitian kita bisa diintegrasikan pada populasi. Dalam pandangan statistik itu sifat dan karakteristik
populasi adalah terdistribusi secara normal. Pengujian normalitas dilakukan terhdap residual regresi. Pengujian
dilakukan dengan menggunakan grafik P-P Plot. Data yang normal adalah data yang membentuk titik-titik yang menyebar tidak jauh dari garis diagonal. Hasil
analisis regresi linier dengan grafik normal P-P Plot terhadap residual error model regresi diperoleh sudah menunjukkan adanya pola grafik yang normal, yaitu
adanya sebaran titik yang berada tidak jauh dari garis diagonal.
Sumber: Hasil Pengolahan SPSS 19.0 2014 Gambar 4.5
Pendekatan Histogram
UNIVERSITAS SUMATERA UTARA
Gambar 4.5 pada grafik histogram terlihat bahwa variabel keputusan pembelian berdistribusi normal, hal ini ditunjukkan oleh distribusi data yang ada
pada gambar diatas bahwa tidak menceng ke kiri ataupun menceng ke kanan.
Sumber: Hasil Pengolahan SPSS 19.0 2014 Gambar 4.6
Pendekatan Grafik Pada scatter plot terlihat titik yang mengikuti data disepanjang garis
diagonal. Hal ini berarti data berdistribusi normal karena mengikuti garis diagonal.
UNIVERSITAS SUMATERA UTARA
Tabel 4.13 Pendekatan Kolmogorv Smirnov
Sumber: Hasil Pengolahan SPSS 19.0 2014 Pada one-sample KS,terlihat bahwa nilai Asymp.Sig adalah 0,949 dan
diatas nilai signifikan 0,005. Dengan kata lain variabel residual berdistribusi normal. Nilai kolmogrovo-smirnov Z lebih kecil dari 2,76 berarti tidak ada
perbedaan antara distribusi teoritik dan distribusi empiris atau dengan kata lain data dikatakan normal.
4.2.2.2 Uji Heteroskedastisitas
Uji heteroskedastisitas juga pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Jika varian
sama, dan ini yang saharusnya terjadi maka dikatakan ada homoskedastisitas. Sedangkan jika varian tidak sama dikatakan heteroskedastistas.
Pengujian heteroskedastisitas dilakukan dengan menggunakan Scatter Plot. Jika tidak terdapat variabel yang signifikan maka dapat disimpulkan tidak
adanya masalah heteroskedastisitas. Hasil pengujian pada Lampiran sebagaimana juga pada Gambar berikut ini :
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 44
Normal Parameters
a,b
Mean .0000000
Std. Deviation 2.23496279
Most Extreme Differences Absolute
.079 Positive
.058 Negative
-.079 Kolmogorov-Smirnov Z
.521 Asymp. Sig. 2-tailed
.949
UNIVERSITAS SUMATERA UTARA
Sumber: Hasil Pengolahan SPSS 19.0 2014
Gambar 4.7
Pendekatan Grafik Dari grafik scatterplot yang disajikan, terlihat titik-titik menyebar secara
acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawh angka nol pada sumbu Y. Hal ini berarti tidak terjadi
heteroskedastisitas pada model regersi, yang berarti bahwa model regresi ini layak dipakai untuk memprediksi keputusan konsumen berdasarkan variabel
independenya. Tabel 4.14
Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3.475
1.390 2.500
.017 Harga
-.156 .078
-.422 -1.994
.053 Kualitas
.049 .099
.137 .494
.624 endorser
.074 .100
.184 .738
.465
UNIVERSITAS SUMATERA UTARA
Sumber: Hasil Pengolahan SPSS 19.0 2014 Jika nilai signifikan 0,05 maka tidak mengalami gangguan
heteroskedastisitas. Jika nilai signifikan 0,05 maka mengalami gangguan heteroskedastisitas. Pada Tabel 4.8 Pada tabel yang ada diatas memperlihatkan
bahwa tiadak ada satupun variabel independen yang signifikan secara statistic mempengaruhi variabel dependen absolute Ut abSut. Hal ini terlihat dari
probabilitas signifikannya diatas kepercayaan 0,05 5, jadi disimpulkan bahwa model regresi tidak mengarah adanya heteroskedastisitas.
4.2.2.3 Multikolinearitas